En un esfuerzo por mejorar la detección de cáncer de cuello uterino, un grupo de investigadores ha desarrollado un sistema innovador que combina microscopios biológicos de bajo costo con avanzados algoritmos de inteligencia artificial. Este método no solo optimiza el proceso de análisis de muestras de citología, sino que también reduce los errores humanos.

Utilizando un microscopio motorizado, se capturan imágenes citológicas que son procesadas a través de una tubería AI que incluye segmentación y clasificación de células. El sistema aprovecha el modelo UNet para la segmentación de células, mejorado con un enfoque humano en el proceso para entrenar con mínimos puntos de interés. Con el modelo CvT, las células se clasifican precisas y rápidamente en cinco tipos diferentes, entrenados en el conjunto de datos SIPaKMeD.

El cáncer de cuello uterino sigue siendo un desafío significativo de salud a nivel global, especialmente en países en desarrollo. Las tasas de incidencia y mortalidad son desproporcionadamente más altas en estos países, lo que resalta la importancia de métodos de detección asequibles y eficaces. Las enfermedades de transmisión sexual, el tabaquismo, y el uso excesivo de anticonceptivos orales son factores que contribuyen al desarrollo del carcinoma cervical, exacerbadocon el tipo de VPH. Sin embargo, las medidas preventivas como la vacunación y pruebas citológicas pueden reducir considerablemente este riesgo.

La citología basada en líquido (LBC) es un método eficaz de evaluación temprana, pero es laboriosa y propensa a errores. El nuevo enfoque propuesto sustituye este método manual con microscopia y algoritmos de IA digitales, facilitando el almacenamiento de datos en registros de salud electrónicos, reduciendo así el riesgo de pérdida de datos.

Los resultados de evaluaciones clínicas indican que este método automatizado es superior en comparación con estrategias tradicionales como el cotest LBC + VPH para la clasificación de pacientes. El enfoque demostrado no solo ofrece un aumento en la precisión sino también en la eficiencia en la detección del cáncer cervicouterino.

Con la automatización creciente en la medicina y diagnóstico, este nuevo desarrollo representa un avance hacia sistemas de IA más integrados que mejoren la eficiencia de los hospitales en regiones donde los recursos son limitados, allanando el camino hacia pruebas más frecuentes y precisas, salvando así más vidas.